Based on the observations regarding

Based on the observations regarding Hand Detection and Tracking, we can conclude that using
YUV Skin Color Segmentation followed by CAMSHIFT algorithm will help in the effective
detection and tracking as the centroid values can easily be obtained by calculating the moments at
each point, later we could combine Hidden Markov Training for further applications. It is better
when compared to Time-Flight Camera where one has to find the bounding box and then use
Iterative Seed Fill algorithm.
For Nose Detection and Tracking system, the results obtained using Edge Detection Techniques
were comparatively better, and it also detects the nose for faces at various angles. The success
rate using this method for frontal faces is about 93% and for non frontal faces it is about 68%.
This shows that this particular method is suitable to be implemented in an automatic 3D face
recognition system.
For the analysis of Eye Detection and Tracking, it would be efficient to implement a method
which would be a combination of texture based and colour based eye detection methods as colour
plays a major role in both texture recognition of facial regions and later finding the accurate
location of eyes using eye maps. Individually the efficiencies of texture based and color based
detection methods are 98.2% and 98.5% respectively, but after incorporating the proposed
method the efficiency could be enhanced to greater extent.

ผลลัพธ์ (ไทย) 1:

จากการสังเกตเกี่ยวกับการติดตามและตรวจจับมือ เราสามารถสรุปว่า ใช้แบ่งกลุ่มสีผิว YUV ตาม ด้วยอัลกอริทึม CAMSHIFT จะช่วยให้มีประสิทธิภาพการตรวจสอบและติดตามเป็นค่าเซนทรอยด์ได้ง่าย ๆ ได้ โดยการคำนวณช่วงเวลาที่แต่ละจุด หลังเราสามารถรวมซ่อน Markov อบรมสำหรับการใช้งานเพิ่มเติม จะดีกว่าเมื่อเทียบกับกล้องเวลาเที่ยวบินที่มีการค้นหากล่องรูปกล่อง และใช้ซ้ำเติมเมล็ดอัลกอริทึมสำหรับตรวจจับจมูกและระบบติดตาม ผลลัพธ์ที่ได้โดยใช้เทคนิคการตรวจจับขอบได้ค่อนข้างดีกว่า และยังตรวจพบจมูกสำหรับใบหน้าในมุมต่าง ๆ ความสำเร็จประมาณ 93% เป็นอัตราที่ใช้วิธีนี้สำหรับใบหน้าหน้าผาก และใบหน้าหน้าผากไม่ เป็นประมาณ 68%นี้แสดงให้เห็นว่าวิธีนี้เหมาะที่จะนำมาใช้ที่หน้า 3D อัตโนมัติระบบรู้จำการวิเคราะห์การตรวจจับตาและติดตาม มันจะมีประสิทธิภาพในการใช้วิธีการซึ่งจะมีการรวมกันของคะแนนเนื้อ และสีตามวิธีการตรวจจับดวงตาเป็นสีมีบทบาทสำคัญในการรู้จำทั้งเนื้อหน้าภูมิภาคและภายหลังการค้นหาแม่นยำแผนที่ตำแหน่งของดวงตาโดยใช้ตา มีเอกลักษณ์ที่มีประสิทธิภาพตามพื้นผิวและสีตามวิธีการตรวจสอบเป็น 98.2% และ 98.5% ตามลำดับ แต่หลัง จากการผสมผสานการนำเสนอวิธีที่สามารถเพิ่มประสิทธิภาพในขอบเขตมากขึ้น

ผลลัพธ์ (ไทย) 2:

ตามข้อสังเกตเกี่ยวกับการตรวจจับมือและติดตามเราสามารถสรุปได้ว่าการใช้
YUV สีผิวแบ่งกลุ่มตามด้วยอัลกอริทึม CAMSHIFT จะช่วยในการที่มีประสิทธิภาพใน
การตรวจสอบและการติดตามเป็นค่าเซนทรอยด์สามารถรับได้โดยการคำนวณช่วงเวลาที่
แต่ละจุดต่อมาที่เราจะทำได้ รวมซ่อนมาร์คอฟการฝึกอบรมสำหรับการใช้งานต่อไป มันจะดีกว่า
เมื่อเทียบกับกล้องเวลาเที่ยวบินที่หนึ่งมีการหากรอบแล้วใช้
ขั้นตอนวิธีการเติมเมล็ดซ้ำ.
สำหรับการตรวจจับจมูกและระบบการติดตามผลที่ได้รับโดยใช้เทคนิคขอบตรวจจับ
ได้เปรียบโดยเปรียบเทียบที่ดีขึ้นและนอกจากนี้ยังตรวจพบจมูก สำหรับใบหน้าที่มุมต่างๆ ความสำเร็จของ
อัตราการใช้วิธีนี้สำหรับใบหน้าหน้าผากเป็นเรื่องเกี่ยวกับ 93% และสำหรับผู้ที่ไม่ใช่หน้าผากใบหน้ามันเป็นเรื่องเกี่ยวกับ 68%.
นี้แสดงให้เห็นว่าวิธีการนี้โดยเฉพาะอย่างยิ่งเหมาะที่จะนำมาใช้ในใบหน้าอัตโนมัติ 3D
ระบบการรับรู้.
สำหรับการวิเคราะห์การตรวจตาและ ติดตามก็จะมีประสิทธิภาพในการใช้วิธีการ
ซึ่งจะเป็นการรวมกันของพื้นผิวและสีตามวิธีการตรวจสอบตาเป็นสี
มีบทบาทสำคัญทั้งในการรับรู้ของภูมิภาคเนื้อใบหน้าและต่อมาถูกต้องหา
สถานที่ตั้งของการใช้แผนที่ตาตา เป็นรายบุคคลที่มีประสิทธิภาพของพื้นผิวและสีตาม
วิธีการตรวจสอบเป็น 98.2% และ 98.5% ตามลำดับ แต่หลังจากใช้มาตรการที่นำเสนอ
วิธีการที่มีประสิทธิภาพอาจจะเพิ่มมากขึ้นในขอบเขต

ผลลัพธ์ (ไทย) 3:

จากการสังเกตเกี่ยวกับการตรวจหามือและติดตาม เราสามารถสรุปได้ว่า ใช้YUV แบ่งสีผิวตามขั้นตอนวิธี camshift จะช่วยให้ในที่มีประสิทธิภาพการตรวจหาและติดตามเป็นค่าของภาพได้อย่างง่ายดายสามารถหาได้โดยการคำนวณช่วงเวลาที่แต่ละจุด หลังจากนั้นเราสามารถรวมฮิดเดนมาร์คอฟ ซึ่งการฝึกอบรมสำหรับการใช้งานต่อไป มันเป็นดีกว่าเมื่อเทียบกับกล้องเวลาเดินทางที่ต้องค้นหาบริเวณกล่องแล้วใช้เมล็ดเติมซ้ำขั้นตอนวิธีค้นหาจมูกและระบบการติดตามผลที่ได้ใช้เทคนิคการตรวจจับขอบมีคุณภาพที่ดี และยังตรวจพบจมูกใบหน้าในมุมต่างๆ ความสำเร็จอัตรานี้ใช้สำหรับใบหน้าหน้าผากประมาณ 93 % และปลอดจากใบหน้าประมาณ 68 %นี้แสดงให้เห็นว่าวิธีการที่เฉพาะเจาะจงนี้เหมาะที่จะใช้ในหน้าอัตโนมัติระบบการรับรู้สำหรับการวิเคราะห์การตรวจสอบตา และ ติดตาม มันจะมีประสิทธิภาพที่จะใช้วิธีซึ่งจะเป็นการรวมกันของพื้นผิวตามสีและตามวิธีการตรวจสอบตาเป็นสีเล่นบทบาทสำคัญในการรับรู้ของภูมิภาคทั้งเนื้อหน้าและหลังการค้นหาที่ถูกต้องสถานที่ตั้งของดวงตาใช้แผนที่ของตา จากประสิทธิภาพของพื้นผิวที่ใช้และสีจากวิธีการตรวจสอบเป็นแบบ % และ 98.5 % ตามลำดับ แต่หลังจากนั้นจะเสนอวิธีสามารถเพิ่มประสิทธิภาพการเพิ่มขอบเขต